变换数据对线性模型拟合值的影响

一、引言考虑线性回归模型其中Y是n维观测向量,X是n×p阶段设计矩阵,且其秩为R(X)=p,β为p维未知参数向量,e为n维随机误差向量、对于模型(1.1),β的最小二乘估计(The Least Squares Estimate,以下简记为LS估计)     

线性变换对带约束奇异线性模型的条件G—M估计的影响

考虑带约束奇异线性模型Y=Xβ＋ε，Lβ＝0，E（ε）＝0，cov（ε）＝σ~2V，其中V为非负定矩阵，X为任意秩．文章研究了观察向量Y的线性变换对回归系数条件可估函数Sβ的G－M估计的影响，并将条件可估子空间μ（X'L'）划分成Ω＋Ω_＋Ω_2.当μ（S'）Ω时，Sβ的条件G-M估计在模型变化后其优良性不变；当μ（S'）Ω_1时，模型变化后Sβ仍可估，但Sβ的条件G－M估计的方差要变大；当μ（S'）Ω_2时，Sβ不可估．     

广义线性模型析影响分析

本文对Ｃｏｏｋ（１９８６）提出的局部影响分析方法进行修正，找出它的不足之处，并提出用二阶导数准则来进行局部影响分析，这种方法可以推广到其它的似然估计问题中去，文中用Ｌｅｕｋｅｒｎｉａ ｄａｔａ和Ｆｉｎｎｅｙ＇ｓ ｄａｔａ来说明这种方法人成劣，并与一阶导数（斜率）的结果相比较，提出了有实际意义的诊断方法。     

广义线性模型中方差函数的非参数估计

本文提出了$\sigma(u)$的一种改进的估计$\wh\sigma_n(u)$, 在一定的条件下证明了$\sup\limits_{u}|\wh\sigma_n(u)-\sigma(u)|$相对于[1]中的估计以更快的速度依概率收敛于0, 并修正了定义区间.     

基于Pena距离的广义线性回归模型的影响分析

本文利用Pena距离对广义线性回归模型的影响分析进行了讨论,得到广义线性回归模型的Pena距离公式,并对公式的性质以及其对高杠异常点的检测得到了相应的结论.在一定条件下,Pena距离对异常点的检测优于Cook距离.     

一般Gauss-Markov模型的线性充分性

This paper provides further contributions to the theory of linear sufficiency in the general Gauss-Markov model E(y)= Xt3, Var (y)= V. The notion of linear sufficiency introduced by Baksalary and Kala(1981) and Drygas(1983) is extended for any specific estimable function c‘β. Some general results with respect to the extended concept are obtained. An essential result concerning the former notion is a direct consequence of this paper.     

广义线性模型中方差函数的非参数估计

本文提出了$\sigma(u)$的一种改进的估计$\wh\sigma_n(u)$, 在一定的条件下证明了$\sup\limits_{u}|\wh\sigma_n(u)-\sigma(u)|$相对于[1]中的估计以更快的速度依概率收敛于0, 并修正了定义区间.     

纵向数据广义部分线性模型的惩罚GMM估计

对纵向数据的部分线性模型,通常的做法是用样条方法或者核方法逼近非参数部分,然后再用广义估计方程的估计方法去估计参数部分.本文使用P-样条拟合非参数函数,对不同的矩条件用不同的广义矩方法对模型的参数和非参数进行估计,并且给出了估计量的大样本性质;并用计算机模拟和实例证明了当模型中存在不同的矩条件时,采用不同的惩罚广义矩方法可以显著地提高估计精度.     

在一般Gauss─Markoff模型下线性变换保最佳线性最小偏倚估计

在一般Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型｛Ｙ，Ｘβ，Ｖ｝下，设Ｆ是一个适当阶矩阵，Ｃ为任意适当维向量，本文找到了ＡＹ是Ｃ＇β的最小偏倚估计的充分必要条件及ＡＹ是Ｃ＇β的最佳线性最小偏倚估计的充要条件．在以概率１意义下，证明了对于所有适当维向量Ｃ，Ｃ＇β的最佳线性最小偏倚估计能被表示成ＦＹ的线性函数的充要条件，且在此条件下，线性变换保最佳线性最小偏倚估计．     

线性模型中两步估计与BLUE差别的度量

本文讨论了广义线性模型中均值向量向和回归系数两步估计与最佳线性无偏估计差别的度量方法，给出了均值向量(回归系数)两步估计μ^-(β^-)相对于其最佳线性无偏估计μ^*(β^*)的相对精度P(μ^-|μ^*)的界及μ^--μ^*(β^--β^*)的欧氏范数界．并把文章结果应用到两阶段抽样回归模型，方差非齐次回归模型，半相依回归模型中．     

矩阵损失下一般Gauss-Markov模型线性预测的可容许性

本文研究了一般Gauss-Markov模型中线性可预测变量的线性预测的可容许性.在给出线性预测可容许性定义的基础上,通过构造一个特殊的常量矩阵D0,分别得到了齐次和非齐次线性预测类中可容许的充要条件.     

多元线性模型中随机回归系数和参数的线性估计的泛容许性

本文对于一般的随机效应多元线性模型，给出了随机回归系数和参数的线性可估函数的泛容许性估计的定义，并得到了随机回归系数和参数的线性可估函数的齐线性估计在齐线性估计类中泛容许性的特征。     

增长曲线模型回归系数线性估计的泛容许性

本文讨论增长曲线模型回归系数的线性估计的容许性.我们给出了回归系数线性估计的泛容许性定义,并在某些线性估计类中得到了泛容许估计的充要条件.     

多元线性模型中的有偏估计

刘金山在1999年给出了多元线性模型参数分量βi和参数矩阵B的有偏估计β1=(X'X)-1YCi,i=1,…,m和B=(β1,β2,…,βm)以及βi的性质.本文从另一角度得到了同样的估计,证明了刘金山文中所给的两个检验是UMP检验,估计βi是βi的线性可容许估计,证明了B不是B的可容许估计,由此给出了两种改进估计.     

二次损失下带线性等式约束的线性模型中的线性预测的可容许性

本文针对带线性等式约束的线性模型 ,在二次损失下研究了线性预测的可容许性 ,得到了条件线性可预测变量的线性预测 Lys(Lys+ a)是可容许线性预测的充要条件。     

QUADRATIC INVARIANTS AND SYMPLECTIC STRUCTURE OF GENERAL LINEAR METHODS

1. IntroductionInvestigating whether a numerical method inherits some dynamical properties possessed bythe differential equation systems being integrated is an important field of numerical analysisand has received much attention in recent years See the review articlesof Sanz-Serna[9] and Section 11.16 of Hairer et. al.[2] for more detail concerning the symplectic methods. Most of the work on canonical iotegrators has dealt with one-step formulaesuch as Runge-Kutta methods and Runge'methods …     

矩阵迹意义下的一般增长曲线模型参数的最优估计

本文考虑一般增长曲线模型(协方差2σV,ΣV 0,Σ0),在矩阵迹(trace)意义下,对任一可估函数ρ=K BL,给出它的最优线性无偏估计(BLUE)ρ~,并得到σ2的一致最小方差不变二次无偏估计(UM V IQUE)σ~2.进一步地,讨论了该模型在线性等式的约束下上述参数的最优估计。     

ON ASYMPTOTIC NORMALITY OF PARAMETERS IN LINEAR EV MODEL

This paper studies the parameter estimation of one dimensional linear errors-in-variables (EV) models in the case that replicated observations are available in some experimental points. Asymptotic normality is established under mild conditions, and the parameters entering the asymptotic variance are consistently estimated to render the result useable in construction of large-sample confidence regions.